解释weka中属性选择的输出

Question

我有

=== Attribute selection 10 fold cross-validation seed: 2 ===

number of folds (%)  attribute

          10(100 %)   1 H0_D0 
          10(100 %)   3 Ar
           0(  0 %)   4 LT_LH
           0(  0 %)   5 tan_y_2
          10(100 %)   6 DT_D0
           0(  0 %)   7 LH_DT

你能解释一下这个结果吗？

Answer 1

weka中有几种类型的特征选择算法。您添加的输出可能是CFS (CfsSubsetEval)算法的输出。

简而言之，该算法旨在找到“协同工作”的特征子集。您看到的输出是选择每个特征的折叠数量(如果您不知道这些折叠是什么，请阅读k折叠交叉验证)。更具体地说:在所有10个折叠中都选择了HO_DO、Ar和DT_DO，而从未选择其他特征。

其他算法，如InfoGainAttributeEval，也有其他输出。它们的输出是收到的每个特征的平均得分(在大多数情况下，越高越好)和它的STD值。

祝好运。